專利名稱：一種往復(fù)壓縮機(jī)的故障檢測方法與裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及石油化工領(lǐng)域，尤其涉及大型動(dòng)力機(jī)組的故障診斷，具體的講是涉及一種往復(fù)式壓縮機(jī)的故障檢測方法及裝置。
背景技術(shù)：
以往復(fù)式壓縮機(jī)為代表的大型動(dòng)力機(jī)組是石化企業(yè)的關(guān)鍵動(dòng)力設(shè)備，由于這類機(jī)組功率大、轉(zhuǎn)速高、流量大、壓力高、結(jié)構(gòu)復(fù)雜、監(jiān)控儀表繁多，運(yùn)行及檢修要求高，因此在設(shè) 計(jì)、制造、安裝、檢修、運(yùn)行等環(huán)節(jié)稍有不當(dāng)，都會(huì)造成機(jī)組在運(yùn)行時(shí)發(fā)生種種故障，甚至造成設(shè)備損壞、有毒有害物質(zhì)泄漏、人員傷亡等重大事故。應(yīng)用狀態(tài)監(jiān)測與故障診斷技術(shù)，可以避免不必要的非正常停機(jī)，有效地制定相應(yīng)的維修策略，減少經(jīng)濟(jì)損失，保障生產(chǎn)的順利進(jìn)行。目前，國內(nèi)外對大型機(jī)組的故障診斷大都集中圍繞在利用振動(dòng)信號監(jiān)測診斷運(yùn)行狀況。然而，僅憑這一點(diǎn)，還不能全面評價(jià)和診斷大機(jī)組的實(shí)際運(yùn)行綜合性能。大機(jī)組的安全、平穩(wěn)運(yùn)行還取決于運(yùn)行時(shí)工藝條件(如溫度、壓力、氣體性質(zhì)等)變化的影響和機(jī)器內(nèi)部工作元件的完好程度，即所謂機(jī)組的熱力狀態(tài)。機(jī)組運(yùn)行時(shí)的熱力狀態(tài)，不但直接影響其能否高效、經(jīng)濟(jì)運(yùn)行，而且許多大機(jī)組重大運(yùn)行事故的原因是與工藝條件發(fā)生變化時(shí)未能及時(shí)調(diào)整機(jī)組運(yùn)行工況有關(guān)的。將機(jī)組熱力狀態(tài)監(jiān)測與運(yùn)行工況監(jiān)測相結(jié)合，有助于適時(shí)主動(dòng)地調(diào)整運(yùn)行參數(shù)，防止相關(guān)運(yùn)行事故的發(fā)生。

發(fā)明內(nèi)容
本發(fā)明的目的是針對石化企業(yè)關(guān)鍵的往復(fù)式壓縮機(jī)組，開發(fā)出一套基于振動(dòng)監(jiān)測和熱力參數(shù)監(jiān)測，融合了多參數(shù)的故障檢測技術(shù)，為煉廠設(shè)備的安、穩(wěn)、長、滿、優(yōu)運(yùn)行提供技術(shù)支持。為了達(dá)到上述目的，本發(fā)明實(shí)施例公開了一種往復(fù)壓縮機(jī)的故障檢測方法，包括獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征；根據(jù)所述的振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集；根據(jù)所述的振動(dòng)信號參數(shù)特征和熱力參數(shù)特征，生成工況特征指標(biāo)集；根據(jù)所述的狀態(tài)特征指標(biāo)集和工況特征指標(biāo)集，分別構(gòu)建狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型；根據(jù)所述的狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型，利用D-S證據(jù)融合理論，生成故障檢測結(jié)果。
本發(fā)明還公開了一種往復(fù)壓縮機(jī)的故障檢測裝置，包括參數(shù)特征獲取單元，用于獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征；狀態(tài)特征指標(biāo)集生成單元，用于根據(jù)所述的振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集；工況特征指標(biāo)集生成單元，用于根據(jù)所述的振動(dòng)信號參數(shù)特征和熱力參數(shù)特征，生成工況特征指標(biāo)集；故障診斷模型生成單元，用于根據(jù)所述的狀態(tài)特征指標(biāo)集和工況特征指標(biāo)集，分別構(gòu)建狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型；故障檢測結(jié)果生成單元，用于根據(jù)所述的狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型，利用D-S證據(jù)融合理論，生成故障檢測結(jié)果。本發(fā)明的往復(fù)壓縮機(jī)的故障檢測方法及裝置可產(chǎn)生的有益效果是本發(fā)明基于振動(dòng)檢測和熱力檢測，融合兩種檢測手段的監(jiān)測信息，對往復(fù)式壓縮機(jī)運(yùn)行狀態(tài)做出判定，相比于采用單一檢測手段的故障診斷技術(shù)，該發(fā)明顯著地提高了判斷結(jié)論的準(zhǔn)確率。本發(fā)明融合往復(fù)式壓縮機(jī)運(yùn)行中的多項(xiàng)參數(shù)，并利用特征指標(biāo)優(yōu)選技術(shù)對特征指標(biāo)進(jìn)行篩選，有效地診斷出往復(fù)壓縮機(jī)部件的故 障狀態(tài)。本發(fā)明的故障檢測技術(shù)操作簡便，成本低，準(zhǔn)確率高，易于推廣應(yīng)用。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I為本發(fā)明往復(fù)壓縮機(jī)的故障檢測方法的一種實(shí)施例的方法流程圖；圖2為本發(fā)明往復(fù)壓縮機(jī)的故障檢測裝置的一種實(shí)施例的結(jié)構(gòu)示意圖；圖3為圖2所示實(shí)施例的參數(shù)特征獲取單元的結(jié)構(gòu)示意圖；圖4為圖2所示實(shí)施例的故障檢測結(jié)果生成單元的結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。圖I為本發(fā)明往復(fù)壓縮機(jī)的故障檢測方法的一個(gè)實(shí)施例的方法流程圖，所述的故障檢測方法包括S101，獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征。其中，利用加速度傳感器，將其安裝在往復(fù)壓縮機(jī)組的曲軸軸承座、氣缸缸套外表面、氣閥閥座等關(guān)鍵部位,測量對應(yīng)部件的加速度振動(dòng)信號。利用溫度傳感器和壓力傳感器，分別測量往復(fù)壓縮機(jī)組的氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力、排氣壓力。S102，根據(jù)所述的振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集。提取所述振動(dòng)信號參數(shù)的信息熵特征，包括奇異譜熵、自相關(guān)熵、功率譜熵、小波包能量譜熵以及局域波能量譜熵。針對振動(dòng)信號UJt1，其中L為采樣點(diǎn)數(shù)，具體提取過程如下I)奇異譜熵奇異譜熵可描述信號奇異譜信息的不確定性程度。對于振動(dòng)信號{\}^利用相空間重構(gòu)技術(shù)構(gòu)造如式⑴所示的軌道矩陣。
權(quán)利要求
1.一種往復(fù)壓縮機(jī)的故障檢測方法，其特征在于，所述的故障檢測方法包括 獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征； 根據(jù)所述的振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集； 根據(jù)所述的振動(dòng)信號參數(shù)特征和熱力參數(shù)特征，生成工況特征指標(biāo)集； 根據(jù)所述的狀態(tài)特征指標(biāo)集和工況特征指標(biāo)集，分別構(gòu)建狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型； 根據(jù)所述的狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型，利用D-S證據(jù)融合理論，生成故障檢測結(jié)果。
2.如權(quán)利要求I所述的故障檢測方法，其特征在于，所述獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征，包括 利用加速度傳感器，獲取所述往復(fù)壓縮機(jī)對應(yīng)部件的加速度振動(dòng)信號； 利用溫度傳感器和壓力傳感器，測量得到所述往復(fù)壓縮機(jī)的氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力以及排氣壓力。
3.如權(quán)利要求I所述的故障檢測方法，其特征在于，所述根據(jù)所述振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集，包括 提取所述振動(dòng)信號參數(shù)的信息熵特征，包括奇異譜熵、自相關(guān)熵、功率譜熵、小波包能量譜熵以及局域波能量譜熵。
4.如權(quán)利要求I所述的故障檢測方法，其特征在于，所述根據(jù)所述的振動(dòng)信號參數(shù)和熱力參數(shù)，生成工況特征指標(biāo)集，包括 提取所述振動(dòng)信號參數(shù)的時(shí)域頻域特征，并對所述的時(shí)域頻域特征進(jìn)行優(yōu)選； 根據(jù)所述優(yōu)選后的時(shí)域頻域特征和所述熱力參數(shù)特征，生成工況特征指標(biāo)集。
5.如權(quán)利要求I所述的故障檢測方法，其特征在于，所述根據(jù)所述的狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型，利用D-S證據(jù)融合理論，生成故障檢測結(jié)果，包括 根據(jù)D-S證據(jù)融合理論，融合不同故障狀態(tài)下的概率函數(shù) m(A)~ mM^2(A) 1 I- E W1(A)W2Cey);其中， 4 =O Hi1 (Ai), i = 1，2，…，M，為利用所述狀態(tài)特征RBF故障診斷模型判斷出的不同故障狀態(tài)下的概率函數(shù)；m2 (Ai), i = 1,2,…，M為利用所述工況特征RBF故障診斷模型判斷出的不同故障狀態(tài)下的概率函數(shù)。
6.一種往復(fù)壓縮機(jī)的故障檢測裝置，其特征在于，所述的故障檢測裝置包括 參數(shù)特征獲取單元，用于獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征； 狀態(tài)特征指標(biāo)集生成單元，用于根據(jù)所述的振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集； 工況特征指標(biāo)集生成單元，用于根據(jù)所述的振動(dòng)信號參數(shù)特征和熱力參數(shù)特征，生成工況特征指標(biāo)集； 故障診斷模型生成單元，用于根據(jù)所述的狀態(tài)特征指標(biāo)集和工況特征指標(biāo)集，分別構(gòu)建狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型；故障檢測結(jié)果生成單元，用于根據(jù)所述的狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型，利用D-S證據(jù)融合理論，生成故障檢測結(jié)果。
7.如權(quán)利要求6所述的故障檢測裝置，其特征在于，所述的參數(shù)特征獲取單元包括 加速度傳感器，用于獲取所述往復(fù)壓縮機(jī)對應(yīng)部件的加速度振動(dòng)信號； 溫度傳感器，用于測量所述往復(fù)壓縮機(jī)的氣缸進(jìn)氣溫度及排氣溫度； 壓力傳感器，用于測量所述往復(fù)壓縮機(jī)的進(jìn)氣壓力以及排氣壓力。
8.如權(quán)利要求6所述的故障檢測裝置，其特征在于，所述的狀態(tài)特征指標(biāo)集生成單元，用于提取所述振動(dòng)信號參數(shù)的信息熵特征，包括奇異譜熵、自相關(guān)熵、功率譜熵、小波包能量譜熵以及局域波能量譜熵。
9.如權(quán)利要求6所述的故障檢測裝置，其特征在于，所述的工況特征指標(biāo)集生成單元包括 時(shí)域頻域特征優(yōu)選單元，用于提取所述振動(dòng)信號參數(shù)的時(shí)域頻域特征，并對所述的時(shí)域頻域特征進(jìn)行優(yōu)選。
10.如權(quán)利要求6所述的故障檢測裝置，其特征在于，所述的故障檢測結(jié)果生成單元包括 狀態(tài)特征故障概率生成單元，用于利用所述狀態(tài)特征RBF故障診斷模型判斷出的不同故障狀態(tài)下的概率函數(shù)Hi1 (Ai), i = 1,2,…，M; 工況特征故障概率生成單元，用于利用所述工況特征RBF故障診斷模型判斷出的不同故障狀態(tài)下的概率函數(shù)m2 (Ai), i = 1,2,…，M; 融合概率生成單元，用于根據(jù)D-S證據(jù)融合理論，融合不同故障狀態(tài)下的概率函數(shù)
全文摘要
本發(fā)明公開了一種往復(fù)壓縮機(jī)的故障檢測方法及裝置，所述方法包括獲取往復(fù)壓縮機(jī)的振動(dòng)信號參數(shù)特征以及包括氣缸進(jìn)氣溫度、排氣溫度、進(jìn)氣壓力及排氣壓力在內(nèi)的熱力參數(shù)特征；根據(jù)振動(dòng)信號參數(shù)特征，生成狀態(tài)特征指標(biāo)集；根據(jù)振動(dòng)信號參數(shù)特征和熱力參數(shù)特征，生成工況特征指標(biāo)集；根據(jù)狀態(tài)特征指標(biāo)集和工況特征指標(biāo)集，分別構(gòu)建狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型；根據(jù)狀態(tài)特征徑向基核函數(shù)RBF故障診斷模型和工況特征徑向基核函數(shù)RBF故障診斷模型，利用D-S證據(jù)融合理論，生成故障檢測結(jié)果。本發(fā)明融合兩種檢測手段的監(jiān)測信息，顯著地提高了判斷結(jié)論的準(zhǔn)確率，且操作簡便，成本低，準(zhǔn)確率高，易于推廣應(yīng)用。
文檔編號F04B51/00GK102797671SQ20111013802
公開日2012年11月28日 申請日期2011年5月25日 優(yōu)先權(quán)日2011年5月25日
發(fā)明者張來斌, 段禮祥 申請人:中國石油大學(xué)(北京)